Customer Journey Analytics BI-tillägg

Customer Journey Analytics BI extension aktiverar SQL-åtkomst till de datavyer som du har definierat i Customer Journey Analytics. Dina datatekniker och analytiker kanske känner bättre till Power BI, Tableau Desktop eller andra verktyg för affärsintelligens och visualisering (kallas även BI-verktyg). De kan nu skapa rapporter och kontrollpaneler baserat på samma datavyer som Customer Journey Analytics-användare använder när de skapar sina Analysis Workspace-projekt.

Adobe Experience Platform frågetjänst är SQL-gränssnittet till data som är tillgängliga i datasjön i Experience Platform. När Customer Journey Analytics BI extension är aktiverat utökas funktionaliteten för Query Service så att du kan se dina datavyer i Customer Journey Analytics som tabeller eller vyer i en Query Service -session. Det innebär att de verktyg för affärsintelligens som använder Query Service som PostgresSQL-gränssnitt sömlöst drar nytta av den här utökade funktionen.

De viktigaste fördelarna är:

Förutsättningar

Om du vill använda den här funktionen kan du använda förfallande eller ej förfallande autentiseringsuppgifter för att ansluta BI-verktyg till Customer Journey Analytics BI extension. Guiden Autentiseringsuppgifter innehåller mer information om hur du anger förfallodatum för autentiseringsuppgifter eller ej förfallande autentiseringsuppgifter.
Nedan visas ytterligare steg för att konfigurera CJA-behörigheter

Utgående autentiseringsuppgifter

Om du vill använda utgångsdatum för inloggningsuppgifter kan du:

Eller så kan du:

Referenser som inte förfaller

Så här använder du ej förfallande autentiseringsuppgifter:

Mer information finns i Åtkomstkontroll för kundresa, särskilt Tilläggsbehörigheter för produktadministratör och Customer Journey Analytics i Admin Console.

Användning

Om du vill använda funktionen Customer Journey Analytics BI extension kan du antingen använda SQL direkt eller använda dra och släpp-funktionen som är tillgänglig i det specifika BI-verktyget.

SQL

Du kan använda funktionerna direkt i SQL-satser med antingen Frågeredigeraren eller en vanlig PostgresSQL-klient (CLI).

Mer information finns i Användargränssnittsguiden för frågeredigeraren.

BI-verktyg

För närvarande stöds och testas Customer Journey Analytics BI extension endast för Power BI och Tableau Desktop. Andra BI-verktyg som använder PSQL-gränssnittet kan också fungera, men stöds ännu inte officiellt.

Se Ansluta klienter till frågetjänsten för en översikt och mer information om de olika verktygen som finns.

Se Användningsexempel om hur du slutför ett antal användningsfall med Customer Journey Analytics BI-tillägget

Funktionalitet

Som standard har datavyerna ett tabellsäkert namn som genereras utifrån det egna namnet. Datavyn My Web Data View har till exempel vynamnet my_web_data_view. Du kan definiera ett föredraget namn som ska användas i BI-verktyget för datavyn. Mer information finns i Datavy settings.

Om du vill använda ID:n för datavyn som tabellnamn kan du lägga till den valfria inställningen CJA_USE_IDS i databasnamnet när du ansluter. prod:cja?CJA_USE_IDS visar till exempel dina datavyer med namn som dv_ABC123.

Dataförvaltning

De datastyrningsrelaterade inställningarna i Customer Journey Analytics ärvs från Adobe Experience Platform. Integrationen mellan Customer Journey Analytics och Adobe Experience Platform datastyrning möjliggör märkning av känsliga uppgifter från Customer Journey Analytics och tillämpning av integritetspolicyer.

Sekretessetiketter och integritetspolicyer som har skapats för datauppsättningar som används av Experience Platform kan visas i arbetsflödet för datavyer i Customer Journey Analytics. Data som efterfrågas med Customer Journey Analytics BI extension visar därför lämpliga varningar eller fel när de inte följer definierade sekretessetiketter och principer.

Visa datavyer

I standard-PostgreSQL CLI kan du visa dina vyer med \dv

prod:all=> \dv
                       List of relations
 Schema |                    Name                    | Type |  Owner
--------+--------------------------------------------+------+----------
 public | my_web_data_view                           | view | postgres
 public | my_mobile_data_view                        | view | postgres

Kapslade kontra separerade

Som standard använder schemat för datavyer kapslade strukturer, precis som de ursprungliga XDM-schemana. Integrationen stöder även alternativet FLATTEN. Du kan använda det här alternativet för att tvinga schemat för datavyer (och andra tabeller i sessionen) att förenklas. Förenkling gör det enklare att använda i BI-verktyg som inte stöder strukturerade scheman. Mer information finns i Arbeta med kapslade datastrukturer i frågetjänsten.

Standardvärden och begränsningar

Följande ytterligare standardvärden och begränsningar gäller när du använder BI-tillägget:

SQL som stöds

Mer information om vilken typ av SQL som stöds finns i SQL-referens för frågetjänst.

Se tabellen nedan för exempel på den SQL du kan använda.

VÄLJ * FRÅN DV1 DÄR 1=0

VÄLJ dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY dim1

VÄLJ dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02' AND
 filterId = '12345'
GROUP BY dim1

VÄLJ dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` MELLAN '2022-01-01' OCH '2022-01-02' AND
 AND (dim2 = 'A' ELLER dim3 IN ('X', 'Y'', 'Z')
GRUPP BY dim1

VÄLJ dim1, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '202-01-02'
GROUP BY dim1
HAVING m1 > 100

VÄLJ DISTINCT dim1 FROM dv1

VÄLJ dim1 SOM dv1
FRÅN dv1
WHERE `timestamp` MELLAN '2022-01-01' OCH '2022-01-02'
GROUP BY dim1

VÄLJ dim1 SOM dv1
FROM dv1
WHERE `timestamp` >= '2022-01-01' AND `timestamp` < '2022-01-02'
GROUP BY dim1
ORDER BY SUM(metric1)
LIMLIMIN IT 15

VÄLJ SUM(metric1) SOM m1
FRÅN dv1
WHERE `timestamp" MELLAN '2022-01-01' OCH '2022-01-02'

VÄLJ dim1, dim2, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY dim1, dim2

VÄLJ dim1, dim2, SUM(metric1) AS m1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
GROUP BY 1, 2
ORDER BY 1, 2

VÄLJ DISTINCT dim1, dim2
FROM dv1

VÄLJ dim1, m1
FROM (
 SELECT dim1, SUM(metric1) AS m1
 FROM dv1
 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
 GROUP BY dim1
)
WHERE dim1 in ('A', 'B')

SELECT key, SUM(m1) AS total
FROM (
 SELECT dim1 AS key, SUM(metric1) AS m1
 FROM dv1
 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'{3
 GROUP BY dim1

 UNION

 SELECT dim2 AS key, SUM(m1) AS m1
 FROM dv2
 WHERE `timestamp` BETWEEN '2022-01-01' AND '2022-01-02'
 GROUP BY dim2
GRUPPERA EFTER nyckel
BESTÄLL EFTER summa

MARKERA rows.dim1, SUM(rows.m1) SOM total
FROM (
 SELECT _.dim1,_.m1
 FROM (
) VÄLJ * FRÅN DV1
 DÄR `tidsstämpel" MELLAN '2022-01-01' OCH '2022-01-02'
 ) _
 DÄR _.dim1 i ('A', 'B', 'C')
) rader
GRUPP BY 1
BESTÄLL EFTER

MED rader SOM (
) MED _ AS (
) SELECT * FROM data_ares
 DÄR `tidsstämpel` MELLAN '2021-01-01' OCH '2021-02-01'
 )
 MARKERA _.item, _.units FROM _
 DÄR _.item INTE ÄR NULL
)
MARKERA rader.item, SUTENT M(rows.units) AS units
FROM rows WHERE rows.item in ('A', 'B', 'C')
GROUP BY rows.item

VÄLJ SUM(metric1) AS m1, dim1
FROM dv1
WHERE `timestamp` BETWEEN '2022-01-01' AND '202-01-02'
GROUP BY 2

Mått

Du kan välja någon av de tillgängliga dimensionerna som standard eller definierad i datavyn. Du väljer en dimension med dess ID.

Mätvärden

De mätvärden som är tillgängliga är:

Du väljer ett mått med dess ID som omsluts av ett SUM(metric)-uttryck på samma sätt som du gör med andra SQL-källor.

Du kan använda

Räkna distinkta värden

På grund av den underliggande karaktären hos hur Customer Journey Analytics fungerar är den enda dimensionen du kan få ett exakt distinkt antal för dimensionen adobe_personid. Följande SQL-satser SELECT COUNT(DISTINCT adobe_personid) eller SELECT APPROX_COUNT_DISTINCT(adobe_personid) returnerar värdet för standardpersonmåttet, vilket är antalet distinkta personer. För andra dimensioner returneras ett ungefärligt distinkt antal.

Villkorliga mått

Du kan bädda in en IF- eller CASE-sats i funktionerna SUM eller COUNT för att lägga till ytterligare filtrering som är specifik för ett markerat mätresultat. Att lägga till dessa satser liknar att tillämpa ett filter på en måttkolumn i en Workspace-rapporttabell.

Exempel:

SUM(IF(dim1 = 'X' AND dim2 = 'A', metric1, 0)) AS m1

SUM(CASE WHEN dim1 = 'X' AND dim2 = 'A' THEN metric1 END) AS m1

Infogade beräkningar

Du kan använda ytterligare matematik för måttuttryck i SELECT. Denna matematik kan användas i stället för att definiera matematiken i ett beräknat mått. I följande tabell visas vilka typer av uttryck som stöds.

Specialkolumner

Tidsstämpel

Specialkolumnen timestamp används för att ange datumintervall för frågan. Ett datumintervall kan definieras med ett BETWEEN-uttryck eller ett par av timestamp >, >=, <, <= kontroller AND tillsammans.
timestamp är valfritt och om inget fullständigt intervall anges används standardvärden:

Tidsstämpelintervallet konverteras till ett globalt datumintervallfilter i RankedRequest.
Tidsstämpelfältet kan också användas i datum/tid-funktioner för att analysera eller korta av händelsens tidsstämpel.

Datumintervall

Specialkolumnen daterange fungerar på ungefär samma sätt som timestamp, men filtreringen är begränsad till fullständiga dagar. daterange är också valfritt och har samma standardvärden som timestamp.
Fältet daterange kan också användas i datum/tid-funktioner för att analysera eller korta av händelsedatumet.

Specialkolumnen daterangeName kan användas för att filtrera frågan med ett namngivet datumintervall som Last Quarter.

Filter-ID

Specialkolumnen filterId är valfri och används för att tillämpa ett externt definierat filter på frågan. Att använda ett externt definierat filter på en fråga liknar att dra ett filter på en panel i Workspace. Flera filter-ID:n kan användas av AND.

Tillsammans med filterId kan du använda filterName för att använda ett filternamn i stället för ID.

Where-sats

Satsen WHERE hanteras i tre steg:

Hanteringen görs genom att tolka den första nivån på AND i WHERE -satsen. Varje AND-ed-uttryck på den översta nivån måste matcha något av ovanstående. Allt som är större än den första nivån i AND eller, om WHERE-satsen använder OR på den översta nivån, hanteras som ett ad hoc-filter.

Sorteringsordning

Som standard sorteras resultatet i frågan efter det första valda måttet i fallande ordning. Du kan skriva över standardsorteringsordningen genom att ange ORDER BY ... ASC eller ORDER BY ... DESC. Om du använder ORDER BY måste du ange ORDER BY för det första valda måttet.

Du kan också vända ordningen genom att använda - (minus) framför måttet. Båda programsatserna nedan resulterar i samma ordning:

ORDER BY metric1 ASC

ORDER BY -metric1 DESC

Allmänt funktionsstöd

Funktionsstöd för Dimension

Dessa funktioner kan användas för dimensioner i SELECT, WHERE eller i villkorsstyrda mått.

Strängfunktioner

Funktioner för datum och tid

Delvis stöd

Vissa SQL-funktioner stöds bara delvis med BI-tillägget och returnerar inte samma resultat som du ser med andra databaser. Den här specifika funktionen används i SQL som genereras av olika BI-verktyg, för vilka BI-tillägget inte har en exakt matchning. Därför fokuserar BI-tillägget på en begränsad implementering som täcker den minsta användningen av BI-verktyg utan att utlösa fel. Se tabellen nedan för mer information.